Você sabe como integrar Python com Excel? Aprenda como criar planilhas Excel usando Python e a ler arquivos com várias abas através das bibliotecas Pandas e OpenPyXL!
Caso prefira esse conteúdo no formato de vídeo-aula, assista ao vídeo abaixo ou acesse o nosso canal do YouTube!
Para receber a planilha que usamos na aula no seu e-mail, preencha:
Não vamos te encaminhar nenhum tipo de SPAM! A Hashtag Treinamentos é uma empresa preocupada com a proteção de seus dados e realiza o tratamento de acordo com a Lei Geral de Proteção de Dados (Lei n. 13.709/18). Qualquer dúvida, nos contate.
Integrar Python com Excel e Ler Arquivos com Várias Abas
A integração entre Python e Excel, e a criação ou leitura de planilhas com essas bibliotecas, é uma tarefa comum para quem trabalha com automação ou análise de dados.
Nesta aula, vou te mostrar duas maneiras de fazer isso: uma usando a biblioteca Pandas e outra com a OpenPyXL.
Cada uma dessas bibliotecas oferece vantagens específicas, dependendo da complexidade e do tipo de planilha que você precisa criar e trabalhar.
Vou te ensinar como instalar e usar ambas, para que você possa escolher a que melhor se adapta às suas necessidades, inclusive te explicando como ler arquivos com várias abas.
Integrar Python com Excel – O que veremos nessa aula:
Pandas e OpenPyXL
Quando falamos em integrar Python com Excel, temos duas bibliotecas principais para essa tarefa: o Pandas e o OpenPyXL.
O Pandas é ideal para criar e manipular tabelas simples de dados de maneira rápida e eficiente. Já o OpenPyXL é mais versátil, permitindo a criação de planilhas complexas, com personalizações como cores, gráficos e múltiplas abas.
A biblioteca do Pandas trata o Excel mais como uma base de dados, enquanto o OpenPyXL possibilita que você use o Excel como uma ferramenta de planilhas completa, permitindo editar a estética e as funcionalidades dela.
Portanto, se você só precisa criar uma tabela básica, o Pandas é a escolha certa, graças à sua simplicidade e eficiência. Mas, se precisar de uma planilha mais elaborada, com fórmulas, gráficos ou até tabelas dinâmicas, o OpenPyXL é a melhor opção.
Instalando as Bibliotecas
Antes de começar, você precisará instalar as bibliotecas Pandas e OpenPyXL. Isso pode ser feito através do seguinte comando no terminal do seu editor de códigos.
pip install pandas openpyxl
Um ponto importante é que, mesmo que você vá trabalhar apenas com o Pandas, será necessário instalar o OpenPyXL, pois o Pandas depende dele para manipular arquivos Excel.
Criando uma Planilha Excel com Pandas
O Pandas é uma das bibliotecas mais populares para manipulação de dados em Python. Ele permite criar planilhas Excel de forma rápida e simples, sendo ideal para trabalhar com grandes conjuntos de dados ou tabelas básicas.
Essa biblioteca trata o Excel como uma base de dados, ou seja, ele foca em dados tabulares, sem grandes edições visuais ou formatações.
Para criar uma planilha a partir de um dicionário de dados, podemos usar o método from_dict() para converter o dicionário em um DataFrame, e em seguida, o método to_excel() para exportá-lo como um arquivo Excel.
import pandas as pd
dados = {
'Nome': ['Ana', 'Carlos', 'Bianca', 'João'],
'Idade': [28, 34, 22, 41],
'Cidade': ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba'],
'Remuneração': [2700, 3500, 2700, 4200]
}
df = pd.DataFrame.from_dict(dados)
df.to_excel("dados.xlsx", index=False)Esse código criará um arquivo Excel chamado dados.xlsx, contendo as informações fornecidas no dicionário. Cada chave do dicionário se torna uma coluna na planilha, e os valores formam as linhas correspondentes.
Essa é uma forma rápida e eficiente de criar tabelas com o Pandas, mas suas capacidades de formatação e personalização, como fórmulas e gráficos, são limitadas.
Criando uma Planilha Excel com OpenPyXl
Outra maneira de criar planilhas Excel é usando a biblioteca OpenPyXL. Com ela, você pode criar planilhas mais elaboradas, que incluem múltiplas abas, gráficos e fórmulas.
Essa biblioteca oferece um controle maior sobre o conteúdo da tabela, permitindo personalizar cada célula individualmente.
Para começar a criar uma planilha com OpenPyXL, primeiro precisamos importar a classe Workbook, que nos permite criar e manipular novos arquivos Excel.
Além disso, vamos importar a classe Font para aplicar algumas edições de estilo no texto da planilha, como mudar o tamanho, a cor e o estilo das fontes.
Vamos usar o mesmo dicionário que criamos anteriormente para a biblioteca Pandas, onde cada chave representará o título de uma coluna e os valores serão os dados correspondentes.
from openpyxl import Workbook
from openpyxl.styles import Font
dados = {
'Nome': ['Ana', 'Carlos', 'Bianca', 'João'],
'Idade': [28, 34, 22, 41],
'Cidade': ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba'],
'Remuneração': [2700, 3500, 2700, 4200]
}Agora, criamos uma instância da classe Workbook na variável arquivo. Isso gera um arquivo Excel em branco com uma aba ativa.
Para acessar e manipular essa aba, usamos a propriedade active, que vamos armazenar em uma variável. Além disso, podemos definir o título da aba através da propriedade title.
from openpyxl import Workbook
from openpyxl.styles import Font
dados = {
'Nome': ['Ana', 'Carlos', 'Bianca', 'João'],
'Idade': [28, 34, 22, 41],
'Cidade': ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba'],
'Remuneração': [2700, 3500, 2700, 4200]
}
arquivo = Workbook()
aba = arquivo.active
aba.title = "Base de Dados"Para preparar as colunas da planilha, extraímos os nomes das colunas do dicionário utilizando o método keys(), que pega as chaves do dicionário (ou seja, os títulos das colunas).
Com os nomes das colunas separados, vamos criar um loop for com enumerate para iterar sobre cada nome. O enumerate é utilizado para nos dar o índice da coluna.
Como a contagem no Excel começa do número 1, vamos definir o parâmetro start como 1, para que a contagem do enumerate comece a partir de 1 e não do 0.
Dentro desse loop, utilizaremos a função cell() para selecionar a célula correspondente ao título da coluna. Essa função recebe o parâmetro row=1, indicando que queremos a primeira linha da tabela, e a coluna será o número obtido através do enumerate.
Em seguida, vamos utilizar a propriedade .value para definir o valor da célula como o nome da coluna, e a propriedade .font para estilizar o texto dessas células, deixando-os em negrito (bold=True) e na cor vermelha (color=”FF0000″).
from openpyxl import Workbook
from openpyxl.styles import Font
dados = {
'Nome': ['Ana', 'Carlos', 'Bianca', 'João'],
'Idade': [28, 34, 22, 41],
'Cidade': ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba'],
'Remuneração': [2700, 3500, 2700, 4200]
}
arquivo = Workbook()
aba = arquivo.active
aba.title = "Base de Dados"
nomes_colunas = list(dados.keys())
for num_coluna, nome_coluna in enumerate(nomes_colunas, start=1):
celula = aba.cell(row=1, column=num_coluna)
celula.value = nome_coluna
celula.font = Font(bold=True, color="FF0000")Após definir os títulos das colunas, o próximo passo é preencher as células com os valores dos dados. Ainda dentro do loop for, para cada coluna, pegamos a lista de valores correspondente no dicionário.
A partir dessa lista de valores, utilizaremos novamente um loop for com enumerate para preencher as células com os dados, começando da segunda linha, pois a primeira já está preenchida pelos títulos.
from openpyxl import Workbook
from openpyxl.styles import Font
dados = {
'Nome': ['Ana', 'Carlos', 'Bianca', 'João'],
'Idade': [28, 34, 22, 41],
'Cidade': ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba'],
'Remuneração': [2700, 3500, 2700, 4200]
}
arquivo = Workbook()
aba = arquivo.active
aba.title = "Base de Dados"
nomes_colunas = list(dados.keys())
for num_coluna, nome_coluna in enumerate(nomes_colunas, start=1):
celula = aba.cell(row=1, column=num_coluna)
celula.value = nome_coluna
celula.font = Font(bold=True, color="FF0000")
lista_valores = dados[nome_coluna]
for num_linha, valor in enumerate(lista_valores, start=2):
celula = aba.cell(row=num_linha, column=num_coluna)
celula.value = valorPor fim, depois que todos os dados foram inseridos e formatados, podemos chamar a função save(), passando o nome com o qual desejamos salvar nosso arquivo Excel.
from openpyxl import Workbook
from openpyxl.styles import Font
dados = {
'Nome': ['Ana', 'Carlos', 'Bianca', 'João'],
'Idade': [28, 34, 22, 41],
'Cidade': ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte', 'Curitiba'],
'Remuneração': [2700, 3500, 2700, 4200]
}
arquivo = Workbook()
aba = arquivo.active
aba.title = "Base de Dados"
nomes_colunas = list(dados.keys())
for num_coluna, nome_coluna in enumerate(nomes_colunas, start=1):
celula = aba.cell(row=1, column=num_coluna)
celula.value = nome_coluna
celula.font = Font(bold=True, color="FF0000")
lista_valores = dados[nome_coluna]
for num_linha, valor in enumerate(lista_valores, start=2):
celula = aba.cell(row=num_linha, column=num_coluna)
celula.value = valor
arquivo.save("dados2.xlsx")Com esse código, conseguimos criar uma planilha do zero, com os dados organizados em colunas e estilizados.
Um ponto interessante do OpenPyXL é que você pode criar novas abas através do método create_sheet().
from openpyxl import Workbook
from openpyxl.styles import Font
arquivo = Workbook()
aba = arquivo.active
aba.title = "Base de Dados"
arquivo.create_sheet("Informações Adicionais")
arquivo.save("dados3.xlsx")
A partir do momento em que você possui duas abas, pode selecionar a aba desejada pelo nome, assim como faríamos para acessar um item em um dicionário Python.
aba_2 = arquivo["Informações Adicionais"]
E, a partir disso, você pode trabalhar nessa aba como desejar, selecionando as células individualmente ou criando um loop for para percorrer cada uma delas.
Dentro do OpenPyXL, podemos selecionar as células usando a função cell(), como já vimos anteriormente, ou passando o nome da célula, usando a letra da coluna e o número da linha.
from openpyxl import Workbook
from openpyxl.styles import Font
arquivo = Workbook()
aba = arquivo.active
aba.title = "Base de Dados"
arquivo.create_sheet("Informações Adicionais")
aba_2 = arquivo["Informações Adicionais"]
aba_2["A1"] = "Python"
celula_B1 = aba_2.cell(row=1, column=2)
celula_B1.value = "Impressionador"
arquivo.save("dados3.xlsx")Dessa forma, dentro da aba Informações Adicionais, teremos o texto Python na célula A1 e Impressionador na célula B1.
Com o OpenPyXL, você pode adicionar quantas abas quiser e personalizar cada uma delas individualmente, incluindo gráficos, fórmulas e até tabelas dinâmicas.
Integração Entre Python e Excel – Pandas e OpenPyXL
Para entender mais a fundo a integração entre Python e Excel utilizando essas duas bibliotecas, vamos resolver um desafio prático.
Caso prefira esse conteúdo no formato de vídeo-aula, assista ao vídeo abaixo ou acesse o nosso canal do YouTube!
Para receber a planilha que usamos na aula no seu e-mail, preencha:
Não vamos te encaminhar nenhum tipo de SPAM! A Hashtag Treinamentos é uma empresa preocupada com a proteção de seus dados e realiza o tratamento de acordo com a Lei Geral de Proteção de Dados (Lei n. 13.709/18). Qualquer dúvida, nos contate.
Desafio – Integração Python com Excel
- Temos uma planilha de produtos e serviços. Com o aumento de impostos sobre os serviços, temos que atualiza o preço dos produtos impactados pela mudança
- Novo multiplicador imposto é de 1.5
Para o primeiro exemplo vamos utilizar o pandas, que é a biblioteca para análise de dados no Python mais utilizada.
# Pandas
import pandas as pd
tabela = pd.read_excel("Produtos.xlsx")
display(tabela)
# Atualizar o multiplicador
tabela.loc[tabela["Tipo"]=="Serviço", "Multiplicador Imposto"] = 1.5
# Fazer a conta do Preço Base Reais
tabela["Preço Base Reais"] = tabela["Multiplicador Imposto"] * tabela["Preço Base Original"]
tabela.to_excel("ProdutosPandas.xlsx", index=False)
Aqui temos inicialmente a importação da biblioteca pandas seguida da leitura do arquivo em Excel.
Depois utilizamos o display para mostrar a tabela de uma forma mais visual do que o print.
É possível verificar que a planilha nesse caso é simples (para exemplificar melhor), mas o procedimento é o mesmo para planilhas maiores.
Na parte de atualizar o multiplicador nós estamos localizando dentro da planilha, dentro da coluna de Tipo tudo que é igual a Serviço, pois é essa a informação que será atualizada.
Com isso vamos informar que tudo que for Serviço na coluna de Multiplicador Imposto vai receber o valor de 1.5, ou seja, vamos passar de 1.3 para 1.5 de forma automática sem ter que alterar de 1 por 1.
Ou até mesmo ter que fazer essa alteração no próprio Excel, então aqui mesmo já conseguimos fazer esse tratamento de dados.
Feito isso nós vamos multiplicar os valores de Preço Base Original pelo Multiplicador Imposto para poder atualizar a coluna de Preço Base Reais.
Assim teremos os novos valores corretos com o multiplicador de 1.5 ao invés de 1.3.
Caso queira conferir pode utilizar o display novamente para visualizar a nova tabela e você vai notar que na última linha de código desse bloco nós estamos criando um arquivo de Excel chamado ProdutosPandas.xlsx.
Isso quer dizer que podemos salvar essas alterações em um outro arquivo para não sobrepor as informações que tínhamos anteriormente.
Então conseguimos modificar, atualizar e criar um arquivo com todas as modificações e atualizações necessárias.
Agora vamos para a segunda forma que é utilizando o Openpyxl.
# Openpyxl
from openpyxl import Workbook, load_workbook
planilha = load_workbook("Produtos.xlsx")
aba_ativa = planilha.active
for celula in aba_ativa["C"]:
if celula.value == "Serviço":
linha = celula.row
aba_ativa[f"D{linha}"] = 1.5
planilha.save("ProdutosOpenPy.xlsx")Nós vamos ter praticamente o mesmo procedimento, mas como informei logo no início, o openpyxl vai funcionar como se fosse VBA.
Inicialmente vamos carregar a planilha, em seguida vamos ativar uma aba específica (nesse caso só temos uma).
E por fim nós vamos utilizar a estrutura de repetição For para verificar todas as células da coluna C.
Dentro dessa estrutura temos a função If que vai verificar se o conteúdo dessa célula é Serviço, em caso positivo vamos pegar o valor da linha e em seguida alterar o valor da célula C + número da linha para 1.5.
Nesse caso em específico não precisamos multiplicar as duas colunas para atualizar os valores, pois o próprio arquivo já tem uma fórmula que faz isso, então não será necessário visto que estamos alterando diretamente no arquivo.
Caso precise fazer esse cálculo é só seguir o mesmo procedimento da estrutura for passando por todas as linhas para fazer essa multiplicação.
Ler Arquivo em Excel com Várias Abas no Python
Nessa aula eu vou te mostrar como você pode ler arquivo em Excel com várias abas para obter exatamente as informações que deseja!
Para receber por e-mail o(s) arquivo(s) utilizados na aula, preencha:
Não vamos te encaminhar nenhum tipo de SPAM! A Hashtag Treinamentos é uma empresa preocupada com a proteção de seus dados e realiza o tratamento de acordo com a Lei Geral de Proteção de Dados (Lei n. 13.709/18). Qualquer dúvida, nos contate.
Ler Arquivo em Excel com Várias Abas no Python
Nessa aula eu vou te mostrar como você pode ler arquivo em Excel no Python, mas não é um arquivo qualquer.
É aquele arquivo que tem várias abas, que tem tabelas que não estão logo no início da planilha, que tem mais de uma tabela na mesma aba.
Vou abordar todas essas opções para que você saiba como ler qualquer uma dessas tabelas independentemente de como elas estão dispostas no seu arquivo em Excel.
O que vamos aprender nessa aula para ler arquivo em Excel com várias abas:
- Leitura padrão de arquivos em Excel;
- Leitura de aba específica;
- Leitura de aba específica com índice da aba;
- Selecionar colunas pelo índice;
- Selecionar colunas pelo “nome da coluna”;
- Buscar todas as informações de um arquivo;
- Buscar informações fora da célula A1;
- Buscar informações desejadas.
Ler Arquivo em Excel com Várias Abas
Para poder ler arquivo Excel no Python nós vamos utilizar a famosa Biblioteca Pandas no Python. Se você ainda não conhece ou sabe muito pouco dessa biblioteca, nós temos um post mais completo sobre ela, basta clicar aqui para acessá-lo!
Com o Pandas Python vamos conseguir fazer a leitura e importação dessas informações para dentro do Python e fazer todos os tratamentos necessários para sua análise de dados.
Mas nessa aula nosso objetivo é te mostrar como você vai ler arquivo Excel no Python em diferentes situações.
Antes de começar a ler planilha específica no Python você precisa ter a biblioteca do Pandas instalada e importá-la para poder usar!
Isso é bem simples, para instalar basta ir até o prompt Anaconda (se estiver utilizando o Jupyter) ou ir ao terminal e digitar pip install pandas.
Para importar vamos utilizar o comando import pandas as pd. Esse pd é para substituir os comandos, então ao invés de sempre ter que escrever pandas só vamos precisar escrever pd para utilizar os comandos dessa biblioteca.
LEITURA PADRÃO:
df = pd.read_excel("arquivo.xlsx")
display(df)
Aqui temos o código para fazer a leitura padrão de um arquivo em Excel no Pandas Python!
É possível notar que nesse caso temos apenas uma tabela, que é a tabela da primeira aba, então mesmo importando o arquivo que tem várias abas temos apenas uma única tabela.
LEITURA DE ABA ESPECÍFICA (PELO NOME):
df = pd.read_excel("arquivo.xlsx", sheet_name="Planilha2")
display(df)
Aqui nós estamos utilizando o sheet_name para indicar qual é o nome da aba que vamos extrair as informações.
Então você já pode começar a ser mais específico para obter exatamente as informações que deseja dentro de um arquivo.
Viu como ler planilha específica no Python é bem simples? Basta informar qual é o nome da planilha (aba) que deseja extrair as informações para começar seu tratamento de dados.
LEITURA DE ABA ESPECÍFICA (PELO ÍNDICE):
df = pd.read_excel("arquivo.xlsx", sheet_name=1)
display(df)
Muita das vezes os nomes das abas podem ser diferentes ou até serem modificados, então é útil que você possa também obter as informações que precisa através do índice da aba.
Nesse caso estamos pegando a aba com índice 1, que significa que estamos pegando a segunda aba, pois dentro do Python essas contagens de índices começam em 0.
Então 0 seria a primeira aba e 1 seria a segunda aba. Dessa forma mesmo que o nome da aba mude nós vamos continuar pegando as informações da segunda aba!
Assim estamos selecionando abas do Excel no Python de acordo com o índice que pode ser mais fácil do que inserir o nome caso ele seja alterado com frequência.
SELECIONANDO AS COLUNAS PELO ÍNDICE:
df = pd.read_excel("arquivo.xlsx", sheet_name="Planilha3", usecols=[5,6])
display(df)
Como você deve ter notado, na aba Planilha3 do nosso arquivo em Excel nós temos 2 tabelas, e nesse caso estamos selecionando as informações da segunda, que estão nas colunas 5 e 6 (novamente o índice começa do 0).
Então aqui estamos selecionando colunas do Excel no Python pelo seu número, que seriam as colunas F e G.
SELECIONANDO AS COLUNAS PELO NOME:
df = pd.read_excel("arquivo.xlsx", sheet_name="Planilha3", usecols="A,C:D")
display(df)
Da mesma forma que fizemos a seleção das abas pelo índice e pelo nome, nós podemos fazer o mesmo em relação as colunas do Excel.
Então podemos tanto selecioná-las pelo índice quanto pelo próprio nome da coluna que nem fazemos dentro do Excel.
OBS: Nesse caso você vai notar que temos várias informações escrito NaN isso quer dizer que não temos valores nessas células. E se você observar de fato nas colunas C e D não temos nenhuma informação.
BUSCANDO TODAS AS INFORMAÇÕES DE UM ARQUIVO:
df = pd.read_excel("arquivo.xlsx", sheet_name=None)
display(df)
display(df['Planilha1'])
Aqui nós temos uma maneira para obter todas as informações que um arquivo possui, então com o mesmo código que já utilizamos, você pode notar que o Python vai mostrar todas as tabelas que temos com um “nome”.
Em seguida basta utilizar esse nome para identificar qual dessas tabelas vamos trazer para dentro do Python para fazer o tratamento/análise de dados.
Essa parte é bem interessante, pois você vai conseguir visualizar todas as informações que têm no arquivo como um todo e não somente de uma única aba.
Dessa forma você vai poder ver essas informações e escolher exatamente a informação que precisa extrair para sua análise!
BUSCAR INFORMAÇÕES FORA DA CÉLULA A1:
df = pd.read_excel("arquivo.xlsx", sheet_name=3, skiprows=7, usecols=[6,7])
display(df)
É bem comum todas as tabelas começarem pela célula A1 do Excel, mas é possível que alguns casos você encontre tabelas que estão deslocadas e para isso esse simples código vai te auxiliar.
Aqui temos duas seleções que já utilizamos anteriormente, a seleção da aba pelo índice e a seleção de colunas.
O que é novo é o skiprows que se você traduzir seria como “pular linha”, ou seja, o Python vai ignorar essas linhas na hora de ler essa informação.
Dessa forma vai desconsiderar 7 linhas que é exatamente a quantidade de linhas vazias que temos acima da tabela e vai considerar a partir da oitava linha.
Como já temos a especificação das colunas vamos obter a tabela exatamente como precisamos para fazer o tratamento de dados.
BUSCANDO APENAS INFORMAÇÕES DESEJADAS:
df = pd.read_excel("arquivo.xlsx", sheet_name=4, nrows=11)
display(df)
Esse exemplo é bem parecido com o exemplo anterior, só que aqui vamos estar limitando a quantidade de informações que vamos extrair.
Nessa aba por exemplo temos duas tabelas uma embaixo da outra, e queremos pegar a penas a primeira, só que precisamos limitar a quantidade linhas, caso contrário o Python vai trazer as duas tabelas juntas.
Isso quer dizer que ele vai trazer as duas tabelas juntas como se fossem uma única tabela, e dessa forma ficaria mais difícil sua análise de dados.
Conclusão – Integrar Python com Excel e Ler Arquivos com Várias Abas
Nessa aula eu te mostrei como fazer a integração do Python com o Excel de duas formas distintas utilizando o Pandas e o Openpyxl.
E ainda te mostrei como ler arquivos em Excel com várias abas para que você consiga trabalhar com o arquivo Excel completo, podendo pegar qualquer uma das planilhas.
Agora você já pode fazer suas análises de dados e tratamento de dados utilizando esses dois métodos para trabalhar com os arquivos em Excel junto com o Python!
Como toda programação requer prática é importante que você pratique com o arquivo que deixamos disponível e arquivos pessoais também para garantir que fixou o conteúdo!
Se você quer se aprofundar ainda mais no aprendizado de Python, recomendo o curso de Python da Hashtag Treinamentos, que oferece uma abordagem completa para dominar a linguagem e suas aplicações práticas!
Hashtag Treinamentos
Para acessar outras publicações de Python, clique aqui!
Posts mais recentes de Python
- Descubra o poder da automação com Python com 4 códigos simples!
Neste post, vamos mostrar como códigos de automação com Python que vão simplificar o seu dia a dia, automatizando tarefas comuns que consomem nosso tempo. - Descubra as principais Funções do Python!Conheça as 10 funções do Python que são indispensáveis para todo programador! Aprenda a utilizar funções como print(), map() e open() e aprimore seus códigos!
- Orientação a objetos Python: o que é e como usarAprenda o que é programação orientada a objetos em Python, seus pilares e como aplicar na prática. Domine POO e eleve seus códigos!
Posts mais recentes da Hashtag Treinamentos
- Como surgiu a OpenAI: entenda a história completa da criadora do ChatGPT e seus impactos
Descubra como surgiu a OpenAI, conheça sua transformação na gigante da inteligência artificial e entenda como essa trajetória afeta a tecnologia e os negócios! - Connected Speech – Como Entender o Inglês Falado por NativosAprenda tudo sobre Connected Speech e entenda, de uma vez por todas, o inglês falado por nativos com mais fluência e clareza!
- 17 Novas Fórmulas Excel Úteis para o TrabalhoConheça 17 novas fórmulas Excel que serão muito úteis no seu dia a dia! Aprenda sobre as fórmulas mais recentes que aumentarão sua produtividade no trabalho!
Expert em conteúdos da Hashtag Treinamentos. Auxilia na criação de conteúdos de variados temas voltados para aqueles que acompanham nossos canais.